AI机器学习可用于预测精神病
人工智能(AI)机器学习能否为临床医生提供有关将患精神病的患者的预测?在上个月由德国慕尼黑马克斯-普朗克精神病研究所的尼古拉斯·科索苏里里斯(Nikolaos Koutsouleris)博士领导的 JAMA精神病学中发布的一项新的欧洲研究中，研究人员使用AI机器学习和人类智能来预测精神疾病.
“据我们所知，我们的研究首次表明，通过使用算法模式识别来增强人类的预后能力，可以提高预后准确性，甚至可以证明控制论决策支持工具在临床上是合理的，"研究人员写道.
精神病是一种可治疗的疾病，其病因很多，会影响大脑处理信息的方式.它的特点是与现实失去联系.精神病是精神分裂症和躁郁症等健康问题的症状，这些疾病被认为是主要的精神病.继发性精神病是用来描述一个人何时因原发性精神病以外的其他原因而与现实脱节的情况.
精神病可能是由于缺乏睡眠，医疗状况，创伤，压力或滥用酒精和毒品引起的.精神病可能伴随着焦虑，抑郁，失眠和社交孤立.精神病的症状可能包括幻觉，妄想，无意义的言语和不当行为.
根据美国国家心理健康研究所(NIH)的数据，大约每100名美国人中就有3名会在生活中遭受精神病困扰，每年有100,000名美国年轻人和青少年经历第一次精神病发作.
根据Research and Markets 2020年9月的一份报告，全球抗精神病药物市场在2020年至2027年之间将以4.1％的复合年增长率增长，到2027年，预计将达到218亿美元.根据同一份报告，去年，美国在全球抗精神病药物市场中的份额超过28.8％.
对于本研究，研究人员使用了可在GitHub上使用的机器学习软件NeuroMiner来开发“一种顺序预测算法，该算法可确定要组合到堆叠模型中的预测性成分的最佳顺序."
为了找到风险计算器的最佳预测特征集，研究人员使用了NeuroMiner中Liblinear库提供的支持向量机(SVM).
Support Vector Machines是受监督的机器学习模型，用于在复杂数据集中查找可识别的模式.这是一种机器学习方法，具有相对较低的过度拟合高维成像数据(例如神经成像)的风险.支持向量机具有灵活的分类处理方法，是一种AI机器学习方法，特别适合用于精确精神病学的神经科学研究，用于AI预测抑郁症，阿尔茨海默氏病和精神分裂症.
“在这项针对334名患者和334名对照个体的预后研究中，机器学习模型将临床和生物学数据与临床医生的评估相结合，从而正确预测了85.9％的病例在不同地理区域的患者中的疾病转变." /p>
研究人员的目的是提供一种早期干预工具，以帮助医疗专业人员确定哪些患者需要治疗干预.现在有一种概念验证，证明了一种潜在的AI辅助新方法可以及早发现患者的精神病，有一天可能会在将来改善精神健康治疗.
版权所有©2021 Cami Rosso保留所有权利.
Facebook图片:fizkes/Shutterstock
链接的图片:TheVisualsYouNeed/Shutterstock
